План на курса

Въведение

Разбиране на основите на изкуствения интелект и Machine Learning

разбиране Deep Learning

    Преглед на основните концепции на задълбочено обучение Разграничаване между Machine Learning и задълбочено обучение Преглед на приложенията за задълбочено обучение

Преглед на Neural Networks

    Какво представляват Neural Networks Neural Networks срещу регресионни модели Разбиране на математическите основи и механизмите за обучение Конструиране на изкуствена невронна мрежа Разбиране на невронни възли и връзки Работа с неврони, слоеве и входни и изходни данни Разбиране на еднослойни перцептрони Разлики между контролирано и неконтролирано обучение Обучение напред и обратна връзка Neural Networks Разбиране на разпространението напред и обратно разпространение Разбиране на дълготрайната краткосрочна памет (LSTM) Изследване на повтаряща се Neural Networks на практика Изследване на конволюционна Neural Networks на практика Подобряване на начина Neural Networks Научете

Преглед на Deep Learning техники, използвани в банкирането

    Невронни мрежи Обработка на естествен език Разпознаване на изображения Speech Recognition Сантиментален анализ

Проучване на Deep Learning казуси за банкиране

    Програми за борба с изпирането на пари Проверки Know-Your-Customer (KYC) Списък със санкции Мониторинг Измами при таксуване Надзор Risk Management Продукт за откриване на измами и сегментиране на клиенти Оценка на ефективността Общи функции за съответствие

Разбиране на ползите от Deep Learning за банкирането

Изследване на различните пакети за задълбочено обучение за R задълбочено обучение в R с Keras и RStudio

    Общ преглед на пакета Keras за R Инсталиране на пакета Keras за R Зареждане на данните чрез вградени набори от данни Използване на данни от файлове Използване на фиктивни данни
Проучване на данните
  • Предварителна обработка на данните Почистване на данните
  • Нормализиране на данните
  • Разделяне на данните в комплекти за обучение и тестове
  • Внедряване на One Hot Encoding (OHE)
  • Дефиниране на архитектурата на вашия модел
  • Компилиране и адаптиране на вашия модел към данните
  • Обучение на вашия модел
  • Визуализиране на историята на обучението на модела
  • Използване на вашия модел за прогнозиране на етикети на нови данни
  • Оценяване на вашия модел
  • Фина настройка на вашия модел
  • Запазване и експортиране на вашия модел
  • Практически: Изграждане на Deep Learning модел на кредитен риск с помощта на R
  • Разширяване на възможностите на вашата компания
  • Разработване на модели в облака с помощта на GPU за ускоряване на задълбочено обучение Прилагане на задълбочено обучение Neural Networks за компютърно зрение, разпознаване на глас и анализ на текст.

    Обобщение и заключение

    Изисквания

    • Основен опит с R програмиране
    • Общо запознаване с финансовите и банкови концепции
    • Основно познаване на статистиката и математическите концепции
      28 Hours
     

    Брой участници


    Започва

    Свършва


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Свързани Kурсове

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

      21 Hours

    Свързани Kатегории